RU2664126C2 - Контроль авиационного двигателя, предваряющий операции технического обслуживания - Google Patents
Контроль авиационного двигателя, предваряющий операции технического обслуживания Download PDFInfo
- Publication number
- RU2664126C2 RU2664126C2 RU2016118148A RU2016118148A RU2664126C2 RU 2664126 C2 RU2664126 C2 RU 2664126C2 RU 2016118148 A RU2016118148 A RU 2016118148A RU 2016118148 A RU2016118148 A RU 2016118148A RU 2664126 C2 RU2664126 C2 RU 2664126C2
- Authority
- RU
- Russia
- Prior art keywords
- specified
- curve
- temperature
- aircraft engine
- engine
- Prior art date
Links
- 238000012423 maintenance Methods 0.000 title claims description 9
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000010276 construction Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 21
- 239000007789 gas Substances 0.000 claims description 15
- 238000009529 body temperature measurement Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 10
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 5
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 230000007423 decrease Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 230000010006 flight Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005183 dynamical system Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/002—Analysing tachograph charts
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0232—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
- G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D31/00—Power plant control systems; Arrangement of power plant control systems in aircraft
- B64D31/02—Initiating means
- B64D31/06—Initiating means actuated automatically
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Testing Of Engines (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Изобретение относится к способу и системе контроля авиационного двигателя. Получают временной сигнал остаточного запаса температуры отработавших газов авиационного двигателя, сглаживают временной сигнал для построения первой кривой, характеризующей остаточный запас температуры, идентифицируют нисходящие участки в первой кривой, строят вторую непрерывную кривую посредством объединения нисходящих участков, строят модель прогнозирования на основании второй кривой для определения показателя прогнозирования отказа. Просто, точно и заблаговременно прогнозируется отказ двигателя. 2 н. и 7 з.п. ф-лы, 10 ил.
Description
Область техники
Изобретение относится к области контроля авиационного двигателя. В частности, изобретение относится к способу и системе контроля авиационного двигателя для прогнозирования операций технического обслуживания посредством оценки остаточного запаса температуры отработавших газов двигателя.
Во время каждого полета на летательном аппарате осуществляют запись и передачу данных о его работе при помощи системы сообщений, называемой ACARS (Aircraft Communications Addressing and Reporting System - адресно-отчетная система авиационной связи). Эти данные поступают на наземные станции в реальном времени и сразу же обрабатываются в случае наличия явных аномалий или в противном случае архивируются вместе со всеми данными парка самолетов.
Затем эксперты изучают данные, относящиеся к двигателю, с целью контроля нормальной работы двигателя. Кроме всего прочего, эксперты анализируют данные, относящиеся к температуре отработавших газов EGT (Exhaust Gas Temperature) и полученные во время последовательных полетов, с целью диагностики состояния двигателя и прогнозирования неисправностей. В частности, эксперты оценивают остаточный запас выходной температуры EGT, который характеризует разность между предельным порогом температуры и измеренной температурой EGT. Очень важно отслеживать изменение этого запаса, чтобы можно было предсказать превышение порога, при котором двигатель необходимо снять для восстановления его характеристик.
Следует отметить, что в начале эксплуатации запас является большим и постепенно уменьшается вместе с числом циклов. Так, временной сигнал остаточного запаса температуры обычно изменяется по нисходящей кривой, характеризующей естественный износ двигателя.
Однако обычно наблюдаемый временной сигнал запаса ослабляется не непрерывно, а имеет случайные колебания. Эти колебания в основном связаны с операциями, осуществляемыми на двигателе, и в меньшей степени с условиями измерения температуры. Искусственные увеличения остаточного запаса температуры могут быть вызваны более или менее частыми очистками двигателей, производимыми с целью удаления загрязнений, накапливающихся от полета к полету.
Эти колебания временного сигнала остаточного запаса температуры усложняют анализ и не позволяют надлежащим образом и точно предсказать дату отказа двигателя.
Следовательно, задачей изобретения является устранение вышеупомянутых недостатков и создание способа и системы контроля остаточного запаса температуры отработавших газов авиационного двигателя, позволяющих просто, точно и достаточно заблаговременно прогнозировать отказ двигателя.
Раскрытие изобретения
Изобретение относится к способу контроля авиационного двигателя, содержащему этапы, на которых:
- получают временной сигнал остаточного запаса температуры отработавших газов указанного авиационного двигателя,
- сглаживают указанный временной сигнал для построения первой кривой, характеризующей указанный остаточный запас температуры,
- идентифицируют нисходящие участки в указанной первой кривой,
- строят вторую кривую посредством объединения указанных нисходящих участков, при этом указанная вторая кривая является непрерывной, оставаясь при этом ограниченной указанными нисходящими участками указанной первой кривой, и
- строят модель прогнозирования на основании указанной второй кривой для определения по меньшей мере одного показателя прогнозирования отказа.
Этот способ позволяет просто и быстро моделировать реальный износ двигателя, исключая искусственные увеличения запаса температуры, и обеспечивает, таким образом, точное прогнозирование отказа двигателя.
Предпочтительно идентификация нисходящих участков указанной первой кривой включает в себя этапы, на которых:
- к первой кривой применяют статистическую модель возрастания, разлагаемую на две независимые части, включающие в себя первую убывающую функцию, характеризующую обычный износ авиационного двигателя, и вторую ступенчатую функцию, состоящую из случайно появляющихся скачков, характеризующих точечные операции обслуживания на авиационном двигателе,
- выявляют соответствующие подъемы указанных скачков, и
- идентифицируют нисходящие участки, удаляя точки указанных подъемов на первой кривой.
Это позволяет устранить искусственные увеличения запаса температуры и сохранить только интервалы, соответствующие нисходящим участкам, характеризующим износ двигателя.
Предпочтительно построение указанной второй кривой посредством объединения включает в себя соединение указанных нисходящих участков, перемещая каждый предыдущий участок, чтобы соединить его со следующим участком, начиная с последнего участка и возвращаясь во времени от участка к участку.
Это позволяет моделировать тенденцию убывания, указывающую на реальный износ двигателя.
Согласно первому варианту осуществления изобретения построение указанной модели прогнозирования включает в себя этапы, на которых:
- строят авторегрессионную модель, моделирующую изменение остаточного запаса температуры, с использованием хронологии указанной второй кривой, и
- к указанной авторегрессионной модели применяют динамический фильтр для определения указанного по меньшей мере одного показателя прогнозирования отказа.
Это построение динамический модели позволяет осуществлять точные прогнозы на любом типе двигателя и в любой период срока службы двигателя.
Предпочтительно динамический фильтр выбирают из группы следующих партикулярных фильтров: байесовский фильтр, фильтр Калмана, расширенные фильтры Калмана.
Согласно второму варианту осуществления изобретения построение указанной модели прогнозирования включает в себя этапы, на которых:
- строят линейную модель изменения остаточного запаса температуры с использованием хронологии указанной второй кривой, и
- к указанной линейной модели применяют метод регрессии для определения указанного по меньшей мере одного показателя прогнозирования отказа.
Построение линейной модели является очень простым и позволяет делать точные прогнозы при очень незначительном количестве вычислений.
Предпочтительно указанный по меньшей мере один показатель прогнозирования отказа выбирают из группы показателей, в которую входят:
- первый показатель оценки вероятности перехода порогового значения отказа до заранее определенного временного интервала, и
- второй показатель оценки даты перехода порогового значения отказа.
Предпочтительно получение указанного временного сигнала остаточного запаса температуры включает в себя этапы, на которых:
- в течение времени получают измерения температуры отработавших газов авиационного двигателя,
- указанные измерения температуры нормализуют относительно эталонной температуры по стандарту ISO, получая таким образом нормализованные измерения температуры,
- производят стандартизацию указанных нормализованных измерений температуры с учетом контекстных данных, получая таким образом, стандартизованные измерения температуры, и
- вычисляют запасы между указанными стандартизованными измерениями температуры и заранее определенным максимальным значением температуры (в зависимости от двигателя) для получения указанного временного сигнала запаса.
Таким образом, временной сигнал запаса получают в соответствии со стандартными физическими условиями и независимо от контекста.
Изобретение также относится к системе контроля авиационного двигателя, содержащей:
- средства получения и обработки, выполненные с возможностью получения временного сигнала остаточного запаса температуры отработавших газов указанного авиационного двигателя,
- средства получения и обработки, выполненные с возможностью сглаживания указанного временного сигнала с получением первой кривой, характеризующей указанный остаточный запас температуры,
- средства получения и обработки, выполненные с возможностью идентификации нисходящих участков в указанной первой кривой,
- средства получения и обработки, выполненные с возможностью построения второй кривой посредством объединения указанных нисходящих участков, при этом указанная вторая кривая является непрерывной, оставаясь при этом ограниченной указанными нисходящими участками указанной первой кривой,
- средства получения и обработки, выполненные с возможностью построения модели прогнозирования на основании указанной второй кривой для определения по меньшей мере одного показателя прогнозирования отказа.
Изобретение также относится к компьютерной программе, выполненной с возможностью исполнения указанными средствами обработки и содержащей командные коды, предназначенные для осуществления способа контроля в соответствии с любой из вышеупомянутых особенностей.
Другие особенности и преимущества системы и способа согласно изобретению будут более понятны из последующего описания на неограничительном примере со ссылками на чертежи.
Краткое описание чертежей
На фиг. 1 показаны материальные средства, применяемые в системе или способе, которые могут быть использованы для контроля авиационного двигателя в соответствии с изобретением, схематичный вид;
на фиг. 2А - измерения EGT авиационного двигателя во время цикла последовательных полетов;
на фиг. 2В - стандартизированные измерения EGT авиационного двигателя во время цикла последовательных полетов;
на фиг. 3 - временной сигнал остаточного запаса температуры отработавших газов;
на фиг. 4 - первая кривая, соответствующая сглаживанию сигнала, показанного на фиг. 3, за заранее определенный период, в соответствии с изобретением;
на фиг. 5 - графическое представление подъемов, соответствующих скачкам первой кривой, в соответствии с изобретением;
на фиг. 6 - графическое представление второй кривой, полученной посредством объединения нисходящих участков, в соответствии с изобретением;
на фиг. 7 - применение партикулярного фильтра на динамической системе второй кривой, в соответствии с изобретением;
на фиг. 8 - применение партикулярного фильтра на динамической системе второй кривой, относящейся к новому двигателю, в соответствии с изобретением;
на фиг. 9 - схематичное представление двух показателей прогнозирования отказа в соответствии с изобретением.
Варианты осуществления изобретения
Принцип изобретения основан на исключении точек, соответствующих искусственному увеличению остаточного запаса температуры, и на сохранении только убывающих частей, характеризующих реальный износ двигателя. Таким образом, отслеживая изменение этого износа, можно с высокой точностью прогнозировать будущий отказ двигателя и планировать операции технического обслуживания.
На фиг. 1 представлен пример материальных средств, применяемых в системе или способе для контроля авиационного двигателя в соответствии с изобретением. Изобретение можно также применять для летательного аппарата, содержащего несколько двигателей, показанного на фиг. 1.
Во время полета летательный аппарат 1 регистрирует данные о своей работе, а также о различных параметрах окружающей среды. Эти данные, записываемые вычислительными устройствами, установленными на летательном аппарате (например, FADEC, ACMS и т.д.), получают в результате измерений при помощи средств измерения или датчиков, установленных в летательном аппарате 1. Например, блок FADEC (который контролирует двигатель 2 летательного аппарата 1) регистрирует определенное количество данных, измеряемых датчиками, установленными в двигателе 2, одновременно позволяющих контролировать двигатель 2 и служащих базой для процедуры предсказания технического обслуживания.
Таким образом, вычислительные устройства летательного аппарата 1 собирают в течение времени данные, относящиеся к двигателю 2 летательного аппарата и к окружающей его среде. При каждом считывании эти данные содержат информацию о внутренних параметрах, описывающих работу двигателя 2, а также о внешних параметрах, описывающих контекст считывания.
Например, внутренние параметры включают в себя температуру отработавших газов EGT (Exhaust Gas Temperature), скорости вращения валов, расход топлива, значения температуры и давления текучих сред в различных местах двигателя (например, до и/или после сжатия), и т.д.
Внешние параметры могут включать в себя наружную температуру, высоту полета, вес самолета, переменную геометрию разгрузочного вентиля, заданные точки турбин высокого давления и низкого давления, скорость самолета и т.д.
Кроме того, летательный аппарат 1 регулярно передает на землю короткие моментальные сообщения, касающиеся внутренних и внешних параметров. Во время каждого полета летательный аппарат 1 обычно передает на землю по меньшей мере два сообщения, одно во время взлета и другое во время полета на крейсерской скорости. Эти сообщения передают, в частности, через спутник (протокол ACARS) при помощи системы передачи цифровых данных между совершающим полет летательным аппаратом и землей (возможны также другие протоколы связи: PCMCIA, 3G и т.д.).
Наземные станции 3 собирают различные сообщения, переданные в разные даты для разных летательных аппаратов 1 и для разных двигателей 2, и передают их затем через средство связи в центр 5 управления. Этот центр содержит компьютерную систему 7, которая обычно включает в себя средства 9 ввода, средства 11 получения и обработки, средства 13 хранения и средства 15 вывода. Следует отметить, что во время полета можно регулярно загружать другие данные, регистрируемые бортовыми вычислительными устройствами, для пополнения базы данных, относящихся к двигателям 2.
Различные данные, содержащиеся в сообщениях, полученных непосредственно от различных летательных аппаратов 1, или данные, получаемые на земле из внутренней памяти бортовых вычислительных устройств, накапливаются в средствах 13 хранения и образуют базу 14 данных по всему парку двигателей 2.
Изобретение в первую очередь рассматривает данные, относящиеся к выходной температуре отработавших газов EGT двигателей.
На фиг. 2А показаны измерения EGT авиационного двигателя во время цикла последовательных полетов. На оси ординат показаны значения EGT, а на оси абсцисс - число циклов или полетов.
Некоторые датчики, установленные в двигателе, выполнены с возможностью осуществления в течение времени измерений выходной температуры отработавших газов. Контекст сбора этих данных может быть самым разным. Например, измерения, относящиеся к взлету и производимые во время первого полета за день, когда двигатель запускают в холодном состоянии, могут отличаться от измерений во время других полетов за день. Другие примеры относятся к изменению метеорологических условий (дождь, снег, град и т.д.), к смене пилота, к месту облета (над морем, над пустыней, над землей и т.д.). Таким образом, измерения EGT в значительной степени зависят от внешних условий.
Предпочтительно средства 11 обработки выполнены с возможностью осуществления двойной нормализации на измерениях EGT относительно стандартной системы отсчета, а также относительно контекста, чтобы исключить влияние внешних условий.
В частности, измерения температуры (EGT) нормализуют относительно эталонной температуры по стандарту ISO, получая таким образом нормализованные измерения температуры. Эталонную температуру определяют по отношению к температуре взлета, измеренной на уровне моря. Кроме того, производят также стандартизацию этих нормализованных измерений температуры по отношению к контекстным данным для получения стандартизованных измерений температуры EGT. Метод стандартизации описан, например, в патентном документе ЕР 2376988 и основан, в частности, на модели регрессии, в случае необходимости, с учетом дополнительных параметров, созданных на основании вычислений, произведенных с использованием исходных внешних параметров.
На фиг. 2В показаны стандартизованные измерения EGT авиационного двигателя во время цикла последовательных полетов. Графическое представление на фиг. 2В соответствует стандартизации графического представления на фиг. 2А. Оба представления имеют одинаковый масштаб и центрованы по среднему значению измерений EGT. Горизонтальные пунктирные линии показывают пределы ±3σ и ±6σ вокруг среднего значения.
Наконец, средства 11 обработки выполнены с возможностью вычисления запасов между стандартизованными измерениями EGT и заранее определенным максимальным значением температуры для построения временного сигнала остаточного запаса температуры отработавших газов, как показано на фиг. 3. Как правило, максимальная температура соответствует предельной температуре, при которой требуется снятие двигателя на заводе.
В частности, на фиг. 3 показано, что временной сигнал остаточного запаса температуры имеет случайные колебания, несмотря на то, что он основан на стандартизованных измерениях EGT. Эти колебания в основном связаны с различными вмешательствами (например, с очисткой при помощи воды) на двигателе.
Кроме того, средства 11 обработки выполнены с возможностью сглаживания временного сигнала, показанного на фиг. 3, для получения первой кривой C1, характеризующей остаточный запас температуры, как показано на фиг. 4. Сглаживание временного сигнала может быть выполнено известным методом фильтрации (скользящее среднее, фильтр Гаусса и т.д.). На первой кривой C1 ясно видны восходящие скачки, соответствующие искусственным увеличениям остаточного запаса температуры. Эти восходящие скачки могут проявляться более или менее регулярно, но с разными эффектами.
Согласно изобретению, предложено устранять восходящие скачки и сохранять только нисходящие части, отображающие реальный износ двигателя.
Таким образом, средства 11 обработки выполнены с возможностью автоматической идентификации нисходящих участков в первой кривой. В частности, идентификация нисходящих участков может быть осуществлена посредством выявления подъемов, соответствующих скачкам.
Согласно предпочтительному варианту осуществления изобретения, средства 11 обработки применяют статистическую модель, соответствующую статистическому процессу возрастания, на первой кривой C1 для выявления зон, не имеющих восходящих скачков.
Этот статистический процесс можно разложить на две независимые части таким образом, чтобы увеличение dXt=Xt+1-Xt остаточного запаса температуры, относящееся к первой кривой C1, можно было определить как сумму первой убывающей функции Ut и второй ступенчатой функции Ht в соответствии со следующим уравнением:
dXt=Ut+Ht
Убывающая функция Ut характеризует обычный износ авиационного двигателя и может рассматриваться как случайная переменная Ut, которая соответствует гауссову распределению Ut~N(-u, σu), параметризованному по отрицательному математическому ожиданию -u, отображающему нормальное уменьшение остаточного запаса температуры, и по среднеквадратическому отклонению σu.
Ступенчатая функция Ht отображает операции по обслуживанию на авиационном двигателе и может быть определена произведением Ht=ZtGt произвольной булевой функции Zt и произвольной переменной положительного скачка Gt.
Произвольную переменную скачка Gt можно описать в соответствии с гауссовым распределением Gt~N(+g, σg), параметризованным по среднему положительному скачку g и по среднеквадратическому отклонению σg, при этом средний скачок g превышает абсолютное значение и нормального уменьшения -u остаточного запаса температуры.
Булева закономерность Zt вызывает скачок Gt случайным образом с небольшой вероятностью p и может быть, например, определена биномиальной закономерностью Ζt~Β(p) заранее определенного параметра р. Таким образом, вероятность операции обслуживания на двигателе (то есть подъем) можно представить как p=P(Zt=1). При этом, чтобы идентифицировать нисходящие участки, моделируемые по произвольной переменной Ut, достаточно рассмотреть все моменты t, в которых Zt=0, исключая точки, соответствующие подъемам.
На фиг. 5 показано графическое представление подъемов, соответствующих скачкам. На этом графике показаны точки, сосредоточенные вокруг дискретных моментов, соответствующих точечным действиям и разделенных продолжительными интервалами. Дискретные моменты имеют искусственные толщины, которые появились в результате операций нормализации и сглаживания. Следует отметить, что эти дискретные моменты являются гораздо менее многочисленными, чем моменты убывания, и, следовательно, ими можно пренебречь без ущерба для значения параметров -u и σu гауссова распределения Ut~N(-u, σu).
После исключения дискретных моментов подъемов средства 11 обработки могут простроить вторую кривую С2 посредством объединения нисходящих участков, как показано на фиг. 6. При этом вторая кривая является непрерывной и убывающей, будучи при этом ограниченной только нисходящими участками первой кривой C1.
Построение второй кривой С2 посредством объединения состоит в вертикальном и горизонтальном перемещении нисходящих участков для соединения концов, чтобы обеспечивать непрерывность между различными участками.
В частности, средства 11 обработки могут начать соединение с последнего (т.е. последнего по времени) участка, чтобы последние значения имели физическое направление. Затем присоединяют другие участки, возвращаясь во времени от участка к участку. Таким образом, каждый предыдущий (то есть предшествующий) участок перемещают, чтобы присоединить его к следующему участку последовательно в обратном направлении во времени. Иначе говоря, для построения второй кривой С2 постепенно добавляют справа налево значения изменений
Кроме того, средства 11 обработки выполнены с возможностью построения, на основании второй кривой С2, модели прогнозирования отказа, позволяющей определить по меньшей мере один показатель прогнозирования отказа двигателя.
Следует отметить, что кривая, показанная на фиг. 6, является практически линейной. Таким образом, согласно первому варианту осуществления, предпочтительно используют хронологию второй кривой С2 для построения линейной модели изменения остаточного запаса температуры и затем для этой модели применяют достаточно простой метод регрессии с целью определения показателя или показателей прогнозирования отказа. Согласно этому варианту осуществления нет необходимости анализировать динамику сигнала и достаточно оценить общую тенденцию убывания, которая следует закону типа закона Стьюдента.
Вместе с тем, для новых двигателей уменьшение запаса происходит медленно и не является строго линейным. Согласно второму варианту осуществления применяют стохастический метод, основанный на динамических или партикулярных фильтрах.
Обычно хорошим средством для прогнозирования непрерывного процесса является моделирование его поведения при помощи авторегрессионной модели. Таким образом, строят авторегрессионную модель, моделирующую изменение остаточного запаса температуры, используя хронологию второй кривой. Это позволяет выявить процесс так называемых скрытых состояний (Xt)x>0 на основании наблюдений (Yt)t>1.
В частности, предположим, что процесс состояний (Xt)х>0 является цепочкой Маркова 1-го порядка и что связь между (Xt)x>0 и (Yt)t>1 регулируется в рамках гипотезы канала без запоминания. При этом пространство состояний авторегрессионной модели можно определить следующим образом:
где et является белым шумом, оператор F является матрицей перехода состояния, и оператор H является матрицей наблюдения, определяющей динамическую систему. Следует отметить, что, благодаря исключению восходящих скачков, динамическая система, которая улавливает ослабление сигнала остаточного запаса температуры, является очень простой для анализа и в применении и использует намного меньше этапов вычисления, обеспечивая при этом очень точные результаты.
Затем к авторегрессионной модели применяют динамический фильтр, чтобы рекурсивно оценить процесс скрытых состояний (Xt)t>0 на основании наблюдений (Yt)t>1 при помощи метода Байеса. Динамическая фильтрация позволяет определить для любого момента k скрытое состояние Xk на основании имеющихся в наличии наблюдений Y1, …, Yk (то есть до момента k). Таким образом, после этого можно точно определить показатель или показатели долгосрочного прогнозирования отказа.
Действительно, фиг. 7 поясняет применение партикулярного фильтра для динамической системы второй кривой.
Кривая С2 до пунктирной вертикальной линии d1 соответствует процессу наблюдений (Yt), отображающему наблюдаемое изменение запаса. Таким образом, вертикальная линия d1 соответствует моменту, когда осуществляют прогнозирование в зависимости от процесса наблюдений (Yt). Начиная с этого момента, применение динамического фильтра моделирует множество партикулярных траекторий t1, при этом жирная кривая С3 внутри различных траекторий t1 отображает среднюю траекторию. Горизонтальная линия d2 отображает пороговое значение отказа. Необходимо отметить, что качество прогнозирования является очень высоким, благодаря точному знанию динамической системы и, в частности, благодаря исключению подъемов, соответствующих точечным операциям обслуживания на двигателе.
На фиг. 8 показано применение партикулярного фильтра на динамической системе, относящейся к новому двигателю.
В начале уменьшение остаточного запаса температуры является довольно сильным по причине обкатки нового двигателя. Затем изменение ослабевает, и уменьшение становится более медленным. Так же, как и на фиг. 7, применение динамического фильтра моделирует множество партикулярных траекторий с высокой точностью прогнозирования.
Таким образом, применение динамической модели с партикулярным фильтром позволяет осуществлять точное прогнозирование в долгосрочном плане для двигателей любых типов и с любым сроком службы.
Следует отметить, что динамический фильтр может быть линейным или нелинейным байесовским фильтром. В варианте можно использовать фильтр Калмана или расширение фильтра Калмана (например, расширенный фильтр Калмана).
Любое применение одного из этих динамических фильтров на модели прогнозирования позволяет оценить изменение остаточного запаса температуры и, следовательно, определить показатели прогнозирования отказа, которые можно использовать как показатели тревожного оповещения.
На фиг. 9 схематично представлены два показателя прогнозирования отказа в соответствии с изобретением.
Первый показатель l1 оценивает вероятность перехода порогового значения d2 отказа перед заранее определенным временным интервалом h1. Это схематично можно представить в виде вычисления вероятности обнаружения POD (Probability Of Detection) в момент t+h. Например, временной интервал h1 может соответствовать дате, запланированной для осмотра двигателя.
В варианте можно производить оценку с точки зрения оставшегося срока службы RUL (Remaining Useful Life) двигателя. В этом случае второй показатель оценивает дату перехода порогового значения d2 отказа.
Таким образом, эти показатели отказа I1, I2 позволяют прогнозировать вероятность отказа при достижении будущего интервала h1 или прогнозировать дату отказа.
Изобретение также обеспечивает компьютерную программу, выполненную с возможностью применения в средствах обработки и содержащую командные коды для осуществления описанного выше способа.
Claims (32)
1. Способ контроля авиационного двигателя, характеризующийся тем, что содержит этапы, на которых:
- получают временной сигнал остаточного запаса температуры отработавших газов указанного авиационного двигателя (2),
- сглаживают указанный временной сигнал для построения первой кривой (С1), характеризующей указанный остаточный запас температуры,
- идентифицируют нисходящие участки в указанной первой кривой,
- строят вторую кривую (С2) посредством объединения указанных нисходящих участков, при этом указанная вторая кривая является непрерывной, оставаясь при этом ограниченной указанными нисходящими участками указанной первой кривой, и
- строят модель прогнозирования на основании указанной второй кривой для определения по меньшей мере одного показателя прогнозирования отказа (11, 12).
2. Способ по п. 1, характеризующийся тем, что идентификация нисходящих участков указанной первой кривой включает в себя этапы, на которых:
- к первой кривой (С1) применяют статистическую модель возрастания, разлагаемую на две независимые части, включающие в себя первую убывающую функцию, характеризующую обычный износ авиационного двигателя, и вторую ступенчатую функцию, состоящую из случайно появляющихся скачков, характеризующих точечные операции обслуживания на авиационном двигателе,
- выявляют соответствующие подъемы указанных скачков, и
- идентифицируют нисходящие участки, удаляя точки указанных подъемов на первой кривой.
3. Способ по п. 1 или 2, характеризующийся тем, что построение указанной второй кривой (С2) посредством объединения включает в себя соединение указанных нисходящих участков, перемещая каждый предыдущий участок, чтобы соединить его со следующим участком, начиная с последнего участка и возвращаясь во времени от участка к участку.
4. Способ по п. 1, характеризующийся тем, что построение указанной модели прогнозирования включает в себя этапы, на которых:
- строят авторегрессионную модель, моделирующую изменение остаточного запаса температуры, с использованием хронологии указанной второй кривой, и
- к указанной авторегрессионной модели применяют динамический фильтр для определения указанного по меньшей мере одного показателя прогнозирования отказа.
5. Способ по п. 4, характеризующийся тем, что динамический фильтр выбирают из группы следующих партикулярных фильтров: байесовский фильтр, фильтр Калмана, расширенные фильтры Калмана.
6. Способ по п. 1, характеризующийся тем, что построение указанной модели прогнозирования включает в себя этапы, на которых:
- строят линейную модель изменения остаточного запаса температуры с использованием хронологии указанной второй кривой, и
- к указанной линейной модели применяют метод регрессии для определения указанного по меньшей мере одного показателя прогнозирования отказа.
7. Способ по п. 1, характеризующийся тем, что указанный по меньшей мере один показатель прогнозирования отказа выбирают из группы показателей, в которую входят:
- первый показатель (11) оценки вероятности перехода порогового значения отказа до заранее определенного временного интервала, и
- второй показатель (12) оценки даты перехода порогового значения отказа.
8. Способ по п. 1, характеризующийся тем, что получение указанного временного сигнала остаточного запаса температуры включает в себя этапы, на которых:
- в течение времени получают измерения температуры отработавших газов авиационного двигателя,
- указанные измерения температуры нормализуют относительно эталонной температуры по стандарту ISO, получая таким образом нормализованные измерения температуры,
- производят стандартизацию указанных нормализованных измерений температуры с учетом контекстных данных, получая таким образом стандартизованные измерения температуры, и
- вычисляют запасы между указанными стандартизованными измерениями температуры и заранее определенным максимальным значением температуры (в зависимости от двигателя) для получения указанного временного сигнала запаса.
9. Система контроля авиационного двигателя, содержащая:
- средства (11) получения и обработки, выполненные с возможностью получения временного сигнала остаточного запаса температуры отработавших газов указанного авиационного двигателя (2),
- средства (11) получения и обработки, выполненные с возможностью сглаживания указанного временного сигнала с получением первой кривой (С1), характеризующей указанный остаточный запас температуры,
- средства (11) получения и обработки, выполненные с возможностью идентификации нисходящих участков в указанной первой кривой,
- средства (11) получения и обработки, выполненные с возможностью построения второй кривой (С2) посредством объединения указанных нисходящих участков, при этом указанная вторая кривая является непрерывной, оставаясь при этом ограниченной указанными нисходящими участками указанной первой кривой,
- средства (11) получения и обработки, выполненные с возможностью построения модели прогнозирования на основании указанной второй кривой для определения по меньшей мере одного показателя прогнозирования отказа (11, 12).
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1359903A FR3011946B1 (fr) | 2013-10-11 | 2013-10-11 | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
FR1359903 | 2013-10-11 | ||
PCT/FR2014/052485 WO2015052408A1 (fr) | 2013-10-11 | 2014-10-01 | Surveillance d'un moteur d'aéronef pour anticiper les opérations de maintenance |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2016118148A RU2016118148A (ru) | 2017-11-16 |
RU2016118148A3 RU2016118148A3 (ru) | 2018-07-11 |
RU2664126C2 true RU2664126C2 (ru) | 2018-08-15 |
Family
ID=50023713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2016118148A RU2664126C2 (ru) | 2013-10-11 | 2014-10-01 | Контроль авиационного двигателя, предваряющий операции технического обслуживания |
Country Status (8)
Country | Link |
---|---|
US (1) | US10115245B2 (ru) |
EP (1) | EP3039497B1 (ru) |
CN (1) | CN105637437B (ru) |
BR (1) | BR112016007718B1 (ru) |
CA (1) | CA2926240C (ru) |
FR (1) | FR3011946B1 (ru) |
RU (1) | RU2664126C2 (ru) |
WO (1) | WO2015052408A1 (ru) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3011936B1 (fr) | 2013-10-11 | 2021-09-17 | Snecma | Procede, systeme et programme d'ordinateur d'analyse acoustique d'une machine |
FR3028067B1 (fr) | 2014-11-05 | 2016-12-30 | Snecma | Outil de validation d'un systeme de surveillance d'un moteur d'aeronef |
US9902506B2 (en) | 2016-03-10 | 2018-02-27 | General Electric Company | Using aircraft data recorded during flight to predict aircraft engine behavior |
US20180010481A1 (en) * | 2016-07-08 | 2018-01-11 | Ge Aviation Systems Llc | Engine performance modeling based on wash events |
CN106628248B (zh) * | 2016-12-29 | 2019-05-31 | 东方航空技术有限公司 | 应用于飞机的报警方法、***、及监测终端 |
US11659322B1 (en) * | 2017-06-26 | 2023-05-23 | Wing Aviation Llc | Audio based aircraft detection |
US11268449B2 (en) * | 2017-09-22 | 2022-03-08 | General Electric Company | Contamination accumulation modeling |
DE102018126501B3 (de) * | 2018-10-24 | 2019-12-19 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zur Wartungsvorhersage von Komponenten einer Brennkraftmaschine mittels Körperschallsensor |
FR3089501B1 (fr) | 2018-12-07 | 2021-09-17 | Safran Aircraft Engines | Système d’environnement informatique pour la surveillance de moteurs d’aéronefs |
CN109977358B (zh) * | 2019-03-29 | 2023-06-20 | 南京航空航天大学 | 基于两故障马尔科夫模型的fadec时间限制派遣分析方法 |
FR3094350B1 (fr) * | 2019-04-01 | 2021-03-12 | Safran Aircraft Engines | Procédé de surveillance d’au moins un moteur d’aéronef |
CN110296701B (zh) * | 2019-07-09 | 2022-12-13 | 哈尔滨工程大学 | 惯性与卫星组合导航***渐变型故障回溯容错方法 |
US11010222B2 (en) | 2019-08-29 | 2021-05-18 | Sap Se | Failure mode specific analytics using parametric models |
CN111196380B (zh) * | 2019-12-18 | 2022-06-17 | 中国民用航空飞行学院 | 一种排除飞机慢车停车故障的方法 |
CN111361759B (zh) * | 2020-03-02 | 2023-02-03 | 哈尔滨工业大学 | 基于混合模型的飞机辅助动力装置在翼剩余寿命预测方法 |
US11091279B1 (en) * | 2020-06-15 | 2021-08-17 | Kitty Hawk Corporation | Motor wear metric generator |
US11952149B2 (en) * | 2020-09-17 | 2024-04-09 | General Electric Company | System and method of forecasting aircraft engine operational data for predictive analytics |
DE102021202242A1 (de) | 2021-03-09 | 2022-09-15 | MTU Aero Engines AG | Vorrichtung und Verfahren zur Überwachung eines Flugzeugzustandes |
CN113269368B (zh) * | 2021-06-07 | 2023-06-30 | 上海航空工业(集团)有限公司 | 一种基于数据驱动的民机安全趋势预测方法 |
CN114104332B (zh) * | 2021-11-19 | 2023-09-22 | 中国直升机设计研究所 | 直升机动部件的状态指标动态阈值的获取方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070198215A1 (en) * | 2006-02-22 | 2007-08-23 | Bonanni Pierino G | Method, system, and computer program product for performing prognosis and asset management services |
US20110160980A1 (en) * | 2005-03-24 | 2011-06-30 | Abb Research Ltd. | Estimating health parameters or symptoms of a degrading system |
RU2522308C2 (ru) * | 2008-12-15 | 2014-07-10 | Снекма | Нормализация данных, используемых для контроля авиационного двигателя |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1981003079A1 (en) * | 1980-04-22 | 1981-10-29 | Boeing Co | Real-time performance monitoring of gas turbine engines |
US7286923B2 (en) * | 2005-09-30 | 2007-10-23 | General Electric Company | System and method for estimating turbine engine deterioration rate with noisy data |
US20080154473A1 (en) * | 2006-12-22 | 2008-06-26 | United Technologies Corporation | Gas turbine engine performance data validation |
US7949497B2 (en) * | 2007-04-12 | 2011-05-24 | Siemens Corporation | Machine condition monitoring using discontinuity detection |
US20090048730A1 (en) * | 2007-08-17 | 2009-02-19 | General Electric Company | Method and system for planning repair of an engine |
FR2965915B1 (fr) | 2010-10-11 | 2013-08-02 | Snecma | Systeme de surveillance d'un banc d'essai de moteur d'aeronef |
FR2971595B1 (fr) * | 2011-02-15 | 2013-03-22 | Snecma | Surveillance d'un moteur d'aeronef pour anticiper les operations de maintenance |
US8825567B2 (en) * | 2012-02-08 | 2014-09-02 | General Electric Company | Fault prediction of monitored assets |
GB2500388B (en) * | 2012-03-19 | 2019-07-31 | Ge Aviat Systems Ltd | System monitoring |
FR2997451B1 (fr) | 2012-10-26 | 2015-01-16 | Snecma | Systeme de surveillance d'un ensemble de composants moteur |
FR3005732B1 (fr) | 2013-05-17 | 2016-10-07 | Snecma | Procede et systeme d'analyse vibratoire d'un moteur |
FR3011936B1 (fr) | 2013-10-11 | 2021-09-17 | Snecma | Procede, systeme et programme d'ordinateur d'analyse acoustique d'une machine |
US20150106313A1 (en) * | 2013-10-11 | 2015-04-16 | General Electric Company | Predictive modeling of high-bypass turbofan engine deterioration |
FR3012636B1 (fr) | 2013-10-24 | 2015-12-25 | Snecma | Procede de non-regression d'un outil de conception d'un systeme de surveillance de moteur d'aeronef |
-
2013
- 2013-10-11 FR FR1359903A patent/FR3011946B1/fr active Active
-
2014
- 2014-10-01 EP EP14790212.6A patent/EP3039497B1/fr active Active
- 2014-10-01 BR BR112016007718-0A patent/BR112016007718B1/pt active IP Right Grant
- 2014-10-01 WO PCT/FR2014/052485 patent/WO2015052408A1/fr active Application Filing
- 2014-10-01 RU RU2016118148A patent/RU2664126C2/ru active
- 2014-10-01 CA CA2926240A patent/CA2926240C/fr active Active
- 2014-10-01 CN CN201480056010.5A patent/CN105637437B/zh active Active
- 2014-10-01 US US15/028,267 patent/US10115245B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110160980A1 (en) * | 2005-03-24 | 2011-06-30 | Abb Research Ltd. | Estimating health parameters or symptoms of a degrading system |
US20070198215A1 (en) * | 2006-02-22 | 2007-08-23 | Bonanni Pierino G | Method, system, and computer program product for performing prognosis and asset management services |
RU2522308C2 (ru) * | 2008-12-15 | 2014-07-10 | Снекма | Нормализация данных, используемых для контроля авиационного двигателя |
Also Published As
Publication number | Publication date |
---|---|
FR3011946B1 (fr) | 2016-07-08 |
FR3011946A1 (fr) | 2015-04-17 |
CN105637437B (zh) | 2018-10-26 |
CA2926240A1 (fr) | 2015-04-16 |
CA2926240C (fr) | 2023-04-11 |
EP3039497A1 (fr) | 2016-07-06 |
EP3039497B1 (fr) | 2018-08-29 |
RU2016118148A (ru) | 2017-11-16 |
BR112016007718B1 (pt) | 2022-09-06 |
CN105637437A (zh) | 2016-06-01 |
RU2016118148A3 (ru) | 2018-07-11 |
US20160240017A1 (en) | 2016-08-18 |
BR112016007718A2 (ru) | 2017-08-01 |
US10115245B2 (en) | 2018-10-30 |
WO2015052408A1 (fr) | 2015-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2664126C2 (ru) | Контроль авиационного двигателя, предваряющий операции технического обслуживания | |
KR102013733B1 (ko) | 엔진 윤활유 모니터링 시스템 및 방법 | |
US20180349532A1 (en) | Method of evaluating a part | |
AU2013245998B2 (en) | Efficient health management, diagnosis and prognosis of a machine | |
CN101025804B (zh) | 用于执行预测和资产管理服务的方法、***和计算机程序产品 | |
US8484145B2 (en) | Standardizing data used for monitoring an aeroengine | |
EP2202500A1 (en) | Operations support systems and methods for engine diagnostic | |
US20170185937A1 (en) | Aircraft flight data evaluation system | |
US11428118B2 (en) | Method and apparatus for predicting turbine outlet temperature in gas turbine | |
US11549611B2 (en) | Fault prediction in valve systems through Bayesian framework | |
CN110567722A (zh) | 一种基于性能参数的民机发动机起动***健康监测方法 | |
CN113748066A (zh) | 用于监控飞行器发动机的***和方法 | |
CN113678075B (zh) | 用于监测至少一个航空器发动机的方法 | |
US11772823B2 (en) | Estimating fatigue damage in a structure | |
CN114580784A (zh) | 一种飞机部件预测性维修数据的分析方法 | |
Daouayry et al. | Data-centric helicopter failure anticipation: The mgb oil pressure virtual sensor case | |
JP7031351B2 (ja) | エンジン診断装置 | |
Tiddens et al. | Towards informed maintenance decision making: identifying and mapping successful diagnostic and prognostic routes | |
Banjac et al. | Enhanced Monitoring Capabilities for Legacy Engine Programs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
HZ9A | Changing address for correspondence with an applicant |